资源列表
ELM代码
- 为了评价ELM的性能，试分别将ELM应用于基于近红外光谱的汽油辛烷值测定和鸢尾花种类识别两个问题中,并将其结果与传统前馈网络(BP、RBF、PNN、GRNN等)的性能和运行速度进行比较,并探讨隐含层神经元个数对ELM性能的影响。(n order to evaluate the performance of ELM, test the application of ELM in the near infrared spectroscopy based on the determination of
最短路径
- 最短路径的典型算法——Dijkstra、Floyd。使用C++语言，对算法使用类模板，可方便开发者直接调用。文件中包含了图的ADT(The shortest path of the typical algorithm - Dijkstra, Floyd. Use C + + language, the use of class template algorithm can be convenient for developers to call directly. The document co
机器人轨迹规划
- 机器人轨迹规划，人工势场法实现轨迹规划，matlab程序(Robot trajectory planning, artificial potential field method for trajectory planning, matlab program)
DE_FOPID
- 差分进化算法，整定分数阶PID控制器参数(Differential evolution algorithm, tune fractional PID controller parameters)
稀疏优化MATLAB软件包程序
- SPAMS (SPArse Modeling Software)的MATLAB程序，工程上用的很多的稀疏优化求解器，大家一起学习交流，解压后里面有详细的说明。
NSGA2rV2
- K. Deb NSGA-II算法的Visual C++语言源程序代码(The Visual C++ source code for NSGA-II algorithm)
01-第一课 神经网络和深度学习
- 吴恩达人工智能课程，第一课神经网络和深度学习的课后练习题以及答案(The Andrew Ng artificial intelligence course, the first lesson of the neural network and the intensive study exercises and the answers)
Toward Geometric Deep SLAM
- 是基于深度学习的C++写的SLAM系统，将SLAM前端特征提取与匹配，使用深度学习算法实现(It is based on the SLAM system written by C++ in depth learning to extract and match the features of the SLAM front-end, and use the depth learning algorithm.)
交通流收费站元胞自动机源码
- 元胞自动机的一个例子，是在交通运输方面的，matlab可以实现。(An example of cellular automata is in transportation, and Matlab can be realized.)
nn_code
- 使用Python实现的一些简单神经网络算法，实现的神经网络包括BP,CNN,RNN,LSTM等，主要是理解这些神经网络的算法原理，并附有mnist数字识别例子。(neural network,include BP,CNN,RNN,LSTM.)
05 竞争神经网络与SOM神经网络
- 自组织神经网络概念和原理，并重点介绍一下自组织特征映射SOM网络。SOM和现在流行的ANN（MLP）模型在结构上类似，都由非常简单的神经元结构组成，但是SOM是一类“无监督学习”模型，一般的用法是将高维的input数据在低维的空间表示[1]，因此SOM天然是一种降维方法。除了降维，SOM还可以用于数据可视化，以及聚类等应用中。(The concept and principle of self-organizing neural network are introduced, and the s
决策树与随机森林
- 给出对决策树与随机森林的认识。主要分析决策树的学习算法：信息增益和ID3、C4.5、CART树，然后给出随机森林。 决策树中，最重要的问题有3个: 1. 特征选择。即选择哪个特征作为某个节点的分类特征； 2. 特征值的选择。即选择好特征后怎么划分子树； 3. 决策树出现过拟合怎么办？ 下面分别就以上问题对决策树给出解释。决策树往往是递归的选择最优特征，并根据该特征对训练数据进行分割。(The understanding of decision tree and random